Понимание того, куда инвестировать свое время, — это первый шаг к тому, чтобы стать лучшим специалистом по данным.

С тех пор, как в 2021 году началась Великая отставка, люди стремились к карьере, которую они считают более полезной, гибкой и сложной. Одной из профессий, привлекающих такое внимание, является наука о данных.

Тем не менее, наука о данных имеет особенность быть уникально сложной карьерой для перехода. Из-за большого количества усилий, необходимых для изучения навыков, необходимых для того, чтобы стать специалистом по данным, и количества времени, необходимого для смены карьеры, рекомендуется, чтобы люди, желающие войти в эту растущую область, долго смотрели в зеркало, чтобы определить, это путь для них.

Ваш ответ на эти пять вопросов поможет вам определить, в какие области вы должны инвестировать как начинающий специалист по данным, а также поможет вам понять, как работать в этих областях, чтобы сделать вас более эффективным специалистом по данным.

1. Вы постоянно учитесь и можете идти в ногу с постоянно меняющимися технологиями обработки данных?

Как и любая другая специальность в области технологий, наука о данных требует непрерывного обучения и профессионального развития, чтобы оставаться на вершине своей игры и поддерживать свою актуальность для вашей компании.

Это одна из самых важных истин карьеры в области науки о данных, и это должен быть первый вопрос, который вы задаете себе, рассматривая этот путь. Нет ничего плохого в том, чтобы признать, что вы не из тех людей, которые хотят проводить всю свою рабочую жизнь, тратя свободное время на изучение новых навыков.

Я помню, как впервые встретил этого нового члена команды в университете, и мне сказали, что он любит программировать в свободное время. Ему это не только нравилось, но и нравилось, и он всегда участвовал в хакатонах, автоматизировал вещи и выполнял свои личные проекты, помимо всей своей университетской работы, которая также включала программирование. Этот член команды оказался лучшим программистом из всех нас, и ему посчастливилось получить прекрасную работу в области технологий сразу после окончания университета. Эта история не для того, чтобы рассказать вам, что вы должны проводить каждый час бодрствования, изучая и практикуя науку о данных. Вместо этого мы здесь, чтобы дать вам пример того, чего можно достичь, если посвятить часть своего времени дальнейшему обучению и практике того, что вы надеетесь получить на работу.

Обучение на протяжении всей жизни — это то, что будет происходить на работе, вне работы и в свободное от работы время. Например, сейчас вы читаете эту статью, и, вероятно, вам за это не платят. Хотя вы, возможно, сознательно выбрали эту статью только из-за интересного названия, вы также подсознательно расширяете свое понимание и знания в области науки о данных.

Если вам нужно идти в ногу с новыми языками программирования, альтернативными методами визуализации данных или достижениями в бизнес-практике в вашей области, постоянное обучение будет одной из постоянных в вашей карьере в области науки о данных.

Как научиться учиться всю жизнь

Страсть является важным компонентом, который поможет вам учиться на протяжении всей жизни.

Без страсти не будет вашей готовности каждый день выделять время для развития своих навыков.

Поэтому очень важно определить, в чем заключаются ваши увлечения и как вы можете улучшить свои навыки работы с данными, используя их. Например, вас могут заинтересовать темпы обезлесения в Южной Америке, вызванные лесными пожарами. Это мгновенно дает вам идею проекта, которую вы могли бы решить с помощью науки о данных. Или, например, вас может заинтересовать разработка модели машинного обучения, которая предсказывает, какой цвет глаз будет самым распространенным в мире к 2050 году.

Ваши увлечения не обязательно должны быть связаны с типом анализа данных, которым вы занимаетесь на работе. Вместо этого вы можете углубить свои знания языков программирования, методов визуализации данных и математического моделирования, занимаясь проектами данных, связанными с вашими интересами. Эти способности не только облегчат вашу работу, но и будут получены благодаря приятным усилиям.

2. Вы творчески подходите к анализу данных?

Быть специалистом по данным часто может быть похоже на то, что вы застряли на бесплодном острове и вам говорят разработать систему, чтобы вернуться на материк. У вас нет ни ресурсов, ни материалов, ни еды, ни воды, но вы должны сбежать с острова, используя какую-то систему, придуманную вашим воображением.

То же самое можно сказать и в офисе, где специалистам по данным часто говорят решать серьезные бизнес-задачи, используя некачественные данные, небольшие ресурсы и небольшой бюджет.

Поэтому жизненно важным атрибутом для специалистов по данным является креативность.

Хотя творчество не может волшебным образом сделать ваши данные лучше, чем они есть на самом деле, и не может улучшить условия вашей работы, оно может извлечь максимум из посредственной ситуации.

Кроме того, творчество жизненно важно для манипулирования, интерпретации и извлечения смысла из данных. Мало того, это необходимо, чтобы помочь вам понять бизнес-проблемы и то, как вы решаете их решить. Понимание данных и прогнозы на будущее ограничены только творческим подходом, который вы используете для решения проблемы, и могут дополнительно помочь вам понять сложные концепции и установить связи между различными аспектами науки о данных.

Заметим, что специалисту по данным также важно проявлять творческий подход, когда анализ вашего кода занимает несколько часов. Креативность не даст вам скучать и поможет вам выглядеть так, как будто вы делаете много важной работы, когда ваш босс проходит мимо.

Как стать более креативным

Креативность — это то, что, кажется, выбивается из нас в начальной школе, где нас ругают за решение математических задач не так, как нас учили, и заставляют раскрашивать линии.

Это не становится очевидным до более позднего возраста, когда мы, наконец, заканчиваем школу и внезапно спрашиваем, каково наше мнение, или как мы будем решать проблему, или что мы думаем о картинке, или как мы будем анализировать некоторые данные по-другому.

Ключ к тому, чтобы вернуть в свою жизнь все это детское творчество, — начать задавать вопросы.

"Почему данные были проанализированы таким образом?"

"Не лучше ли использовать эту визуализацию для более точного представления основной части наших ценностей?"

"Не кажется ли вам, что эту модель машинного обучения можно улучшить, внедрив лучшую методологию проверки гипотез?"

Как только вы начинаете задаваться вопросом, как что-то делается, вы начинаете тренировать часть своего мозга, которая давно умерла. Эта часть вашего мозга начнет по-другому смотреть на бизнес-проблемы, задаваться вопросом, как вы могли бы улучшить бизнес-вопрос, и улучшать то, как вы переводите технические концепции в общие.

3. Готовы ли вы решать проблемы, которые не знаете, как решить (и готовы ли просить о помощи, когда она вам нужна)?

Спросите любого старшего сотрудника на любой технической должности, и он скажет вам, что большую часть своего дня он тратит на гугление, как решить ту или иную проблему.

Как бы мы ни думали, что наше образование, будь то самообучение или традиционные средства, даст нам все инструменты, необходимые для решения каждой проблемы, с которой мы столкнемся на протяжении всей нашей карьеры, факт остается фактом: есть еще бесчисленное множество проблем, которые будут решаться. требуют гугления каждый день.

Независимо от того, как провести определенный тип математического моделирования, как исправить ошибку в вашем коде или как получить правильные цвета в вашей визуализации, всегда будет проблема, которую вам нужно будет решить, которую вы не сможете решить. идея как решить.

Я вспоминаю свое время в университете, когда это было нормой для меня — я был в программе разработки программного обеспечения, где я чувствовал, что постоянно пил из пожарного шланга и всегда был вне моей зоны комфорта, когда дело доходило до решения проблем программирования. . Я быстро понял, что лучший опыт обучения приходит, когда у меня достаточно смирения, чтобы признать, что мне нужна помощь в решении проблемы. Помощь, которую я получил, не только не позволила мне часами биться головой о стену, но и позволила мне продолжать совершенствовать свое обучение, не увязая в мелких деталях. Ключевым моментом для меня было дать проблему старому колледжу (в буквальном смысле) и, когда я исчерпал все свои возможности, попросить о помощи.

Прелесть науки о данных в том, что это бесконечная проблема, которую нужно решать. Это означает, что ежедневно вам придется решать проблемы либо собственным упорством и решимостью (и хорошими навыками гугления), либо с помощью кого-то другого.

В любой ситуации нужно определить, подходит ли вам этот вид работы. Готовы ли вы входить каждый день, зная, что вы можете не знать ответа на проблему, которую пытаетесь решить? И, что еще более важно, готовы ли вы обратиться за помощью, когда она вам понадобится?

Как улучшить свои навыки решения проблем

Как я шутил ранее, большинство из нас тратит время на Google и StackOverflow, пытаясь решить свои проблемы.

Но что, если я скажу вам, что это костыль, который на самом деле не улучшает ваши навыки решения проблем?

Поиск исправлений кода в Google на самом деле не учит вас решать проблемы — на самом деле он просто учит вас задавать хорошие вопросы (ценный навык в науке о данных, но не в этом суть). Таким образом, лучший способ улучшить свои навыки решения проблем — установить блокировщик веб-сайтов в StackOverflow и сосредоточиться на понимании того, почему ваш код не работает, а также на основных принципах, лежащих в основе того, как он должен работать. работа.

Этот процесс вернет вас к деревьям решений, документации по коду и вашим коллегам, чтобы помочь вам развить собственное понимание того, почему что-то пошло не так и как это исправить. Ключевым моментом здесь является начать заставлять свой мозг логически мыслить через ошибки, ошибки и сбои, определять основную причину, а затем думать о правильном решении, которое вы разрабатываете самостоятельно.

Может возникнуть соблазн выбрать простой путь и отправиться на Reddit, Quora или StackOverflow. Тем не менее, вы лишаете себя возможности учиться и расширять свои навыки. К сожалению, нет быстрого решения для улучшения ваших навыков решения проблем, кроме выхода и решения проблем трудным путем.

4. Можете ли вы рассказать хорошую историю, которая превращает данные в практические советы?

Специалисты по обработке данных — это не просто кодеры, математики и графические дизайнеры, окутанные одной запутанной загадкой.

Они также рассказчики и опытные коммуникаторы.

Специалист по данным мечты для любой компании может написать готовый к производству код, может понимать математические понятия и отношения, может создавать красивые визуализации, которые привлекают внимание и легко читаются, и может рассказать отличную историю, используя данные.

Однако при конкуренции за работу в области науки о данных большинство кандидатов будут иметь только первые три атрибута.

Лишь немногие избранные способны рассказать историю, используя данные, которые формируют будущее их компании.

Специалисты по данным должны быть опытными коммуникаторами, которые могут преобразовать то, что говорят им данные, в легко выполнимые цели, которые затем могут быть реализованы заинтересованными сторонами компании. Ключевым моментом является представление этой информации в виде истории, которая объясняет заинтересованным сторонам, где они находятся в настоящее время, как они туда попали и куда им нужно двигаться в будущем. Эти истории должны давать точную информацию, но не быть чрезмерно техническими — они должны относиться к заинтересованным сторонам так, как это просто не могут сделать необработанные данные.

К счастью, это умение можно улучшить со временем. Поэтому, даже если ваш ответ на этот вопрос отрицательный, это не должно отговаривать вас от занятия наукой о данных. Самое замечательное в науке о данных заключается в том, что вы не можете изолировать себя среди группы инженеров-программистов, которым нужно поговорить с посторонним человеком только тогда, когда их ИТ-аналитик стучится, чтобы узнать, на каком этапе находится проект. Вместо этого вы будете постоянно вынуждены объяснять свои результаты и рассказывать истории, связывающие ваши данные с внешним миром. Всегда будет возможность попрактиковаться в рассказывании историй, поэтому, если вы готовы ею воспользоваться, вы быстро улучшите свои коммуникативные навыки.

Как стать опытным рассказчиком

Лучшие рассказчики — те, кто читает. Много.

Вы не можете начать рассказывать свои собственные истории, не почувствовав, как другие рассказывают свои.

Первая стратегия здесь — начать с потребления контента по науке о данных. Это может быть что угодно в этой области, например, технические статьи о том, как проводить конкретный анализ, советы о том, как стать лучшим программистом на Python, или статьи, подобные этой, посвященные стороне личного развития в науке о данных. Увидев, как другие люди соединяют слова, чтобы сформировать объяснение, вы можете начать моделировать свои собственные истории, основанные на стилях письма, которыми вы восхищаетесь и которые любите читать.

Вторая стратегия заключается в упрощении ваших историй. Слишком часто ученые данных погружаются в мельчайшие детали данных проекта, не понимая, что человек на принимающей стороне может не дать ни единого крика об объектно-ориентированном программировании, A/B-тестировании или Tableau. Ключевым моментом является упрощение ваших историй, чтобы они не содержали профессионального жаргона, чтобы их было легко понять, и чтобы у заинтересованных лиц было начало, середина и конец (или то, как мы сюда попали, где мы сейчас находимся и куда мы хотим двигаться).

Как я уже упоминал выше, рассказывание историй — это навык, который вы будете постоянно практиковать на протяжении всей своей карьеры, если будете прилагать усилия для этого. Может быть легко сказать вашему менеджеру, что он может представить ваш проект. Тем не менее, ваши навыки не улучшатся, если вы не поставите себя в ситуацию и не будете практиковаться в изложении своей точки зрения в ясной, понятной и лаконичной манере.

5. Есть ли у вас деловая хватка, которая сделала бы вас жизненно важным для организации?

Возможно, самым важным качеством кандидата на работу в области науки о данных является деловая хватка.

При приеме на работу сотни ученых данных будут соревноваться за одну роль. Каждый может писать код, каждый может выполнять расчеты и каждый может создавать красивые визуализации данных. Так что же осталось, чтобы выделить вас среди других кандидатов?

Деловая хватка.

Без деловой хватки в анализе данных будет отсутствовать сущность компании и отрасли, необходимая для того, чтобы сделать вывод, который принесет пользу вашей организации. Деловая хватка дает вам понимание, необходимое для того, чтобы делать выводы на основе выводов вашего анализа, которые будут определять импульс вашей организации. Деловая хватка — это также инструмент, который вы будете использовать для выявления любых неточностей в вашем анализе и определения того, как их можно улучшить в будущем.

Подсчитано, что 85% проектов по науке о данных терпят неудачу, и этот показатель часто можно объяснить отсутствием деловой хватки у специалиста по данным, что приводит к анализу, который не имеет направления, не имеет ответа на конкретный бизнес-вопрос и никак не может предсказать, как эти результаты могут сравниться с неизвестностью завтрашнего дня.

Деловая хватка позволяет вам понять, что вы ищете, как это следует искать и что вы планируете делать с результатами после их получения.

Деловая хватка выглядит по-разному для каждой отрасли, поэтому очень важно, чтобы вы взяли с собой что-то из этого, будь то знания, полученные в результате предыдущей работы на другой должности в отрасли, или знания, полученные во время обучения на специалиста по данным.

Как развить деловую хватку

Лучший способ повысить деловую хватку — потреблять контент из вашей области.

Подкасты, информационные бюллетени, сообщения в блогах, новостные статьи и многое другое — отличные способы повысить свою деловую хватку без активного изучения предмета.

Помните, с какой легкостью вы могли чему-то научиться в детстве? Например, я был одержим динозаврами, когда мне было 4 года. Это означало, что я постоянно просматривал контент о динозаврах и мог описать любого динозавра, о котором вы меня спрашивали, включая то, как они выглядели, каков их рацион и где их можно найти на Земле. Не только это, но и то, что частью моего обычного чтения была чисто научная книга о динозаврах, предназначенная для читателей на уровне колледжа. Поглощение этой книги в таком юном возрасте означало, что я бегал по кругу, поправляя людей, когда они использовали общее название динозавра вместо его научного названия.

Чтобы повысить свою деловую хватку, вам нужно учиться так же, как вы делали это, когда были одержимым чем-либо ребенком. К счастью, контент, охватывающий все: от достижений биомедицины до последних изменений на фондовом рынке, дискуссий о новых методах ведения бизнеса в нефтегазовой отрасли и отчетов о том, как можно более эффективно управлять больницами, может помочь вам понять вашу отрасль. Немного лучше. Обладая этими знаниями, вы можете ускорить анализ данных, чтобы убедиться, что вы полностью отвечаете на заданные вам бизнес-вопросы, и можете дать предложения по улучшению сбора и анализа данных в будущем.

Подпишитесь, чтобы получать мои истории прямо на ваш почтовый ящик: Story Subscription

Пожалуйста, станьте участником, чтобы получить неограниченный доступ к Medium по моей реферальной ссылке (я буду получать небольшую комиссию без дополнительных затрат для вас): Medium Membership

Поддержите мое письмо, пожертвовав средства на создание большего количества историй, подобных этой: Пожертвовать